亥姆霍兹慕尼黑研究中心开发神经元深度学习网

亥姆霍兹慕尼黑研究中心开发神经元深度学习网


  德国亥姆霍兹慕尼黑研究中心和慕尼黑大学的研究人员首次表明,深度学习算法在对急性髓细胞白血病患者的血样进行分类时表现良好。该团队的概念验证研究为在不久的将来自动化、标准化和广泛使用的样本分析铺平了道路。这篇论文发表在《自然机器智能》杂志上。

  研究人员每天在医学实验室和诊所评估数百万个单独的血细胞来诊断疾病,这些重复的评估大多仍然是手工完成的。训练有素的细胞学家检查了染色血液涂片中的细胞,并将它们分成大约15个不同的类别。这种分类过程容易导致样本质量的变化,需要专家的存在和专业知识。

  为了更有效地评估单个血细胞,亥姆霍兹慕尼黑研究中心和慕尼黑大学研究小组开发了神经元深度学习网络。它接受了近20,000幅独立图像的训练,能够独立地对细胞进行分类。CarstenMarr博士领导的团队使用了从100名患有侵袭性血液疾病的AML患者和100名对照组的血液涂片中提取的图像,然后通过与人类专家的准确性进行比较来评估这种新的自动化解决方案。

  图像处理的深度学习算法需要两个基本条件,即一个合适的神经网络结构,具有数千个参数和足够的训练数据。到目前为止,还没有大量的数字血细胞记录,虽然这些样本每天都在临床上使用。亥姆霍兹慕尼黑研究中心的研究小组现在已经提供了第一个这样的大数据集。目前,Mal团队与慕尼黑大学医学与普通三临床、慕尼黑白血病实验室紧密合作,完成了数百例患者的数字化血液涂片。

  马尔说,“为了将我们的方法付诸实践,需要将患者的血液涂片数字化,这是常规。有必要对不同来源的样本进行算法训练,以了解样本制备和染色的内在异质性。”“在我们的出版物中,我们可以证明深度学习算法的性能和细胞学家一样好。在下一步,我们将研究如何使用这种新的人工智能驱动的方法来预测其他疾病,如基因突变或易位。"

  这项工作是在应用研究中利用人工智能潜力的一个例子。它起源于亥姆霍兹慕尼黑研究中心对血液干细胞中单个细胞分类的研究工作的延续,获得了2018年亥姆霍兹协会的埃尔文薛定谔奖。这项研究也得到了德国科学基金会和德国何塞·卡雷拉斯白血病基金会的支持。

侵权请联系作者。发布者:admin,转转请注明出处:/keji/324.html

联系我们

888-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息

关注微信